Kursplan

Införandet

  • Edge Computing jämfört med Cloud Computing
  • Översikt över Edge Computing begrepp och arkitektur

Förstå Edge Computing Use Cases

  • Optimera nätverksprestanda
  • Övervakning av löpande band-operationer
  • Säkra dataåtkomst till hälso- och sjukvården
  • Hantera lager- och försäljningsdata för detaljhandeln

Designa Edge Computing lösningar

  • Förstå tjänsteleverantörsnätverk
  • Identifiera distributionsplatser
  • Införande av trådlös teknik (4G och 5G)
  • Aggregera data i realtid

Välja Edge Computing Programvara och verktyg

  • Distribuera gränsprogram med Mutable
  • Förläng kantenheter med AWS IoT Greengrass

Felsökning

Sammanfattning och nästa steg

Krav

  • Kännedom om cloud computing och nätverkande

Publik

  • Produktchefer
  • Utvecklare
 7 timmar

Antal deltagare


Price per participant

Open Training Courses require 5+ participants.

Upcoming Courses

Relaterade Kurser

Edge AI for IoT Applications

 14 timmar

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till utvecklare på mellannivå, systemarkitekter och branschfolk som vill utnyttja Edge AI för att förbättra IoT-applikationer med intelligenta databehandlings- och analysfunktioner.

I slutet av denna utbildning kommer deltagarna att kunna:

  • Förstå grunderna i Edge AI och dess tillämpning i IoT.
  • Konfigurera Edge AI-miljöer för IoT-enheter.
  • Utveckla och distribuera AI-modeller på gränsenheter för IoT-program.
  • Implementera databehandling och beslutsfattande i realtid i IoT-system.
  • Integrera Edge AI med olika IoT-protokoll och plattformar.
  • Ta itu med etiska överväganden och metodtips i Edge AI för IoT.
LÄS MER...

Federated Learning in IoT and Edge Computing

 14 timmar

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till yrkesverksamma på mellannivå som vill tillämpa Federated Learning för att optimera IoT- och edge computing-lösningar.

I slutet av denna utbildning kommer deltagarna att kunna:

  • Förstå principerna och fördelarna med Federated Learning i IoT och databehandling på gränsenheter.
  • Implementera Federated Learning modeller på IoT-enheter för decentraliserad AI-bearbetning.
  • Minska latensen och förbättra beslutsfattandet i realtid i databehandlingsmiljöer på gränsenheter.
  • Hantera utmaningar relaterade till datasekretess och nätverksbegränsningar i IoT-system.
LÄS MER...